Python 🇺🇦

Deepnote представив новий open-source формат ноутбуків — заміна Jupyter? Deepnote виклав на GitHub новий формат ноутбуків, який нарешті вирішує старі проблеми Jupyter

Що змінилося: • замість «шумного» JSON тепер YAML з адекватним git diff • підтримка Python і SQL в одному файлі • спільні налаштування для всього проєкту • нові блоки для графіків і SQL • нормальна командна робота та спільне редагування •підтримується конвертація з .ipynb

Python

Знайшов універсальну добірку з 60+ готових скриптів на Python У цьому репозиторії зібрано десятки практичних скриптів: від роботи з файлами та парсингу сайтів до телеграм-ботів і базового аналізу даних Python

Реюз коду рівня “не чіпай, воно працює” Python

Шпаргалка про CountryInfo в Python: як отримати дані про країну через простий запит: столиця, населення, площа, регіон і субрегіон, демонім, валюти, мови та сусідні країни Python

gamewiki Під час гри у складні проєкти часто доводиться шукати гайди в інтернеті. Постійні перемикання між браузером і грою вбивають увесь кайф. На GitHub є опенсорсний AI асистент GameWiki. Він вміє прямо в грі показувати вікі та відповіді ШІ, тож потрібна інформація з’являється одразу під рукою. Натискаєш хоткей — з’являється оверлей поверх гри. Не потрібно згортати вікно і порушувати процес. Можна просто запитати у ШІ і отримати відповідь на льоту. 📁 Language: #Python 82.0% ⭐️ Зірки: 126 ➡️ Посилання на GitHub Python'er

Удачі Python

Шпаргалка про UV для Python: базові команди для створення проєкту, керування віртуальним середовищем, додавання та видалення залежностей, встановлення пакетів із requirements.txt, запуску скриптів і синхронізації залежностей, а також інсталяції та використання CLI-інструментів Python

У новому релізі CPython 3.15 суттєво прокачали продуктивність декомпресії • Zstandard (zstd) тепер розпаковується на 25–30% швидше • zlib показує +10–15% швидкості на файлах понад 1 MiB Усе це стало можливим завдяки оптимізованій роботі з вихідними буферами під час розпакування Детальніше тут Python

Створення програми для розпізнавання облич У відео показано, як зробити face recognition-додаток на Python з бібліотекою face_recognition і OpenCV Python

хто це написав ❔ @co_media

Oxylabs — відома компанія з 10-річним досвідом у сфері веб-скрейпінгу — представила власний Python-пакет, який значно спрощує парсинг даних. З його допомогою можна діставати інформацію з e-commerce сайтів, пошукових систем, сервісів нерухомості та багатьох інших джерел Приклад парсингу результатів Bing:

from oxylabs import RealtimeClient

# Вказуємо дані для авторизації в Oxylabs API
username = "username"
password = "password"

# Створюємо Realtime-клієнт з нашими кредами
client = RealtimeClient(username, password)

# Використовуємо bing_search, щоб отримати результати Bing на запит "nike"
result = client.bing.scrape_search("nike")

# Виводимо сирі дані (як є)
print(result.raw)

Інструмент уміє працювати майже з будь-якими сайтами, але для найпопулярніших платформ вони створили окремі оптимізовані API: • Amazon • Google • Google Shopping • Bing • Kroger • Wayfair • YouTube Transcript

Пакет доступний на GitHub — зручно, якщо потрібен лише сам інструмент для Python Python

Код виживання в проді Python

Що таке літерали? Літерали — це заздалегідь визначені значення, які безпосередньо записані в коді: числа (10, 3.14), рядки ("hello"), логічні значення (True, False), None та інші Python

Python 3.17 може отримати обов’язкову залежність від Rust У core-team Python опублікували попередню пропозицію (Pre-PEP), де описали план поступового впровадження Rust у кодову базу CPython Спершу Rust планують застосувати для необов’язкових модулів стандартної бібліотеки в каталозі Modules/ А далі можливе головне: якщо експеримент пройде вдало, то в релізі Python 3.17 Rust може стати обов’язковою залежністю для збірки інтерпретатора Python

Goldman Sachs розробили GS Quant — потужний Python-набір для квантового аналізу, побудований на основі їхньої флагманської системи управління ризиками Це інструмент, створений для прискорення розробки трейдингових стратегій, фінансових моделей та рішень у сфері ризик-менеджменту — з досвідом понад 25 років роботи на світових ринка Для доступу до API потрібні client id і secret, які надаються лише інституційним клієнтам Goldman Sachs Python

Схоже на пастку Python

Ловіть невелику добірку простих патернів друку: ліворуч — те, що має вийти на екрані, праворуч — мінімальний код на вкладених циклах for, який це генерує Python

second-brain На комп’ютері накопичилася купа документів, картинок і PDF, і коли треба щось знайти — важко згадати, в якій папці лежить. Знайомо? Спробуй Second Brain — опенсорсний інструмент, який перетворює локальні файли у пошукову RAG-базу знань. Можна шукати природною мовою або за ключовими словами. Підтримується мультимодальний пошук за текстом і зображеннями, плюс розумні відповіді через локальну AI-модель. Основні функції: 🔸Комбо семантичного та ключового пошуку для точних результатів 🔸Мультимодальні ембеддинги для тексту та зображень 🔸Підтримка форматів: txt, pdf, docx, png, gif та інших 🔸Опціональний AI-режим — можна використовувати локальні моделі або OpenAI-хмару 🔸Retrieval-Augmented Generation (RAG) для осмислених відповідей на основі бази знань 🔸Повністю локальний запуск, жодних витоків даних, є синхронізація з Google Drive Також можна підключити LM Studio і локально розгорнуту велику модель — інструмент тягне понад 100k файлів, все обробляється на місці. 📁 Language: #Python 99.7% ⭐️ Зірки: 145 ➡️ Посилання на GitHub Python'er